Dessa, AI Suara Buatan Jack Dorsey yang Terdengar Seperti Manusia Asli

Pernah membayangkan mengobrol dengan AI lewat suara dan rasanya seperti bicara dengan manusia sungguhan? Itulah yang baru saja diperkenalkan Block, perusahaan teknologi milik Jack Dorsey, pendiri Twitter. Namanya Dessa, sebuah model AI suara yang diklaim sebagai yang paling natural sejauh ini.

Dessa diumumkan pada 23 Oktober 2026 dan langsung ramai dibicarakan. Sebagian orang kagum karena suaranya begitu manusiawi, sebagian lagi khawatir karena teknologi seperti ini bisa disalahgunakan untuk penipuan telepon. Lalu, apa sebenarnya Dessa itu, dan kenapa ia berbeda dari asisten suara yang selama ini kita kenal? Yuk, kita bahas.

Apa Itu Dessa?

Dessa adalah model AI suara (speech-to-speech) yang dikembangkan tim riset kecil di dalam Block. Berbeda dengan asisten suara pada umumnya, Dessa tidak mengubah ucapan menjadi teks dulu sebelum menjawab. Ia memproses audio secara langsung: suara masuk, suara keluar, tanpa perantara teks.

Pendekatan ini disebut full-duplex, artinya Dessa bisa mendengarkan sambil berbicara, persis seperti manusia. Ia bisa menyela pembicaraan, tertawa di tengah kalimat, merespons kejutan dengan nada emosional, sampai menyelipkan gumaman seperti “hmm” atau “ya” selagi lawan bicaranya berbicara.

Jack Dorsey sendiri menulis di X bahwa berbicara dengan Dessa terasa seperti berbicara dengan manusia, penuh emosi, nuansa, jeda, dan irama alami. Dalam demo yang dibagikan Block, Dessa terdengar tertawa di tengah kalimat dan bereaksi terhadap kejutan dengan emosi yang terdengar tulus. Block menegaskan demo-demo itu direkam langsung, tanpa ada yang mengarahkan jawaban modelnya.

Dilatih Tanpa Satu Kata Tertulis pun

Hal paling menarik dari Dessa adalah cara ia belajar. Model ini dilatih sepenuhnya dari rekaman percakapan manusia, tanpa teks dan tanpa model bahasa yang sudah jadi. Dengan kata lain, Dessa tidak pernah “membaca” satu kata pun, tapi ia belajar bahasa hanya dengan mendengarkan orang berbicara.

Block menganalogikannya seperti anak kecil yang belajar berbicara jauh sebelum belajar membaca dan menulis. Karena belajar langsung dari audio, Dessa diklaim mampu menangkap hal-hal yang hilang dalam jalur teks, seperti sarkasme, keraguan, tawa, dan perubahan nada emosi.

Tim Dessa juga mengklaim model ini hanya butuh kata-kata ratusan kali lebih sedikit untuk belajar bahasa dibandingkan model berbasis teks. Untuk melatihnya, Block hanya memakai satu sistem komputasi Nvidia GB200 NVL72.

Bisa Jalan Lokal di Laptop, Tanpa Cloud

Kejutan lainnya: Dessa cukup ringkas untuk berjalan secara lokal di laptop MacBook Pro dengan chip M4 Max atau yang lebih baik, tanpa perlu koneksi cloud. Inferensinya pun diklaim berjalan lebih cepat dari waktu nyata, alias tanpa jeda yang terasa.

Ini berbeda dari kebanyakan model AI besar yang membutuhkan server raksasa di pusat data. Kalau benar bisa berjalan lokal, artinya percakapan suara yang natural suatu hari nanti bisa hadir langsung di perangkatmu, tanpa mengirim suaramu ke server.

Kenapa Banyak yang Khawatir?

Di balik kekagumannya, Dessa memicu kekhawatiran serius. Suara yang nyaris tak bisa dibedakan dari manusia bisa membuat penipuan telepon makin sulit dideteksi. Bayangkan seseorang menelepon dengan suara yang terdengar persis seperti anggota keluargamu, padahal itu AI.

Karena itu, Block untuk sementara tidak merilis Dessa ke publik. Model ini masih berstatus pratinjau riset dan baru akan diberikan kepada sekelompok kecil peneliti keamanan AI untuk menguji risiko yang mungkin belum terlihat. Block belum mengumumkan ukuran model, tolok ukur, harga, maupun tanggal rilisnya.

Ada juga catatan jujur dari media yang menonton demonya. The Verge menilai demo Dessa sebagian besar terdengar natural, meski sesekali canggung, misalnya saat model sempat mengira lawan bicaranya bernama “Ronaldo”. Wajar, karena yang ditampilkan sejauh ini masih demo dari pihak Block sendiri, bukan pengujian independen.

Apa Artinya Buat Kamu?

Dessa memang belum bisa kamu coba hari ini. Tapi kehadirannya memberi gambaran ke mana arah teknologi suara: asisten yang tidak lagi terdengar robotik, yang bisa merasakan nada bicaramu, dan yang suatu hari mungkin berjalan langsung di perangkatmu sendiri.

Di sisi lain, ini juga pengingat penting. Mulai sekarang, suara saja tidak lagi cukup untuk membuktikan identitas seseorang. Kalau suatu hari kamu menerima telepon mencurigakan dari “seseorang yang kamu kenal”, jangan ragu untuk memverifikasi lewat jalur lain, misalnya menelepon balik nomor yang kamu kenal atau bertanya hal yang hanya diketahui kalian berdua.

Teknologi suara makin canggih, dan kewaspadaan kita pun harus ikut naik level.